当前位置: 首页 > news >正文

【数据分享】1929-2024年全球站点的逐日降雪深度数据(Shp\Excel\免费获取)

气象数据是在各项研究中都经常使用的数据,气象指标包括气温、风速、降水、能见度等指标,说到气象数据,最详细的气象数据是具体到气象监测站点的数据!

有关气象指标的监测站点数据,之前我们分享过1929-2024年全球气象站点的逐日平均气温数据、最高气温数据、最低气温数据、降水量数据、平均能见度数据、平均风速数据和最大持续风速数据(均可查看之前的文章获悉详情)。本次我们为大家继续带来具体到气象监测站点的数据——1929-2024年全球气象站点的逐日降雪深度数据!

原始数据来源于美国国家海洋和大气管理局(NOAA)下设的国家环境信息中心(NCEI),原始数据以英寸为单位,数据格式为csv,缺失数据用999.9表示。为了方便大家使用,我们对原始数据进行了一些处理,包括:①数据单位由英寸转为毫米;②处理得到了shp和excel两种数据格式;③对于excel格式,将缺失数据表示为空值,对于shp格式,缺失值依然用999.9表示。该数据的其他重要信息包括数据坐标为GCS_WGS_1984,以2024年为例全球有12159个气象观测站点,具体的数据处理方式会在下文详细介绍!

大家可以在公众号回复关键词 566 免费获取该数据!无需转发文章,直接获取!以下为数据的详细介绍:

01 数据预览

该数据提供Shp和Excel两种数据格式,由于是逐日降雪深度数据,又有96多个年份,数据条数非常多,难以将所有年份保存在一个文件中。我们将每一年的数据保存为一个Shp文件和一个Excel文件,一共有96个年份,也就是有96个Shp文件和96个Excel文件。

我们先来看一下Excel格式的数据,每个Excel文件中包含有该年365天每天的全球所有气象站点的降雪深度。

数据字段包括气象观测站点的编号(STATION)气象观测站点的名称(NAME)、纬度(LATITUDE)经度(LONGITUDE)以及每日降雪深度数值(例如2024-01-01)。我们来预览一下:

接下来我们来看一下Shp格式的数据,同样每个Shp文件中都包含该年365天每天的全球所有气象站点的降雪深度。

Shp格式数据的具体属性和Excel数据相同,我们以2024年气象观测站点的每日降雪深度数据为例来预览一下:

2024年气象观测站点空间分布

02 数据来源

数据来源于美国国家海洋和大气管理局(NOAA)下设的国家环境信息中心(NCEI),网址为:https://www.ncei.noaa.gov/data/global-summary-of-the-day/archive/,包括了1929—2024年的气象数据,大家可以自己去该网站下载原始数据!

03 数据处理说明

1.合并处理:

从NCEI网站下载到的原始csv数据,每一个csv是某个特定站点1年内所有日期的降雪深度数据,按天记录,但并不全是365天,有的300多天,有的只有十几天。我们按照年份将每年涉及到的所有气象观测站点的每日降雪深度数据进行合并处理,最终得到以年份命名的1929-2024年全球范围气象站点的逐日降雪深度数据。

2.单位换算:

原始数据单位为英寸(in),根据公式1英寸=25.4毫米,将英寸换算为毫米(mm)。

3.空值处理:

原始csv数据中的缺失值用数字999.9表示!在处理时,Excel格式文件用空值表示数据缺失;由于Shp文件会自动把空值识别为0,为区分空值与数值中的0,Shp中仍保留数字999.9表示数据缺失,特此说明!

4.站点数量说明:

每一年的站点数并不相同,基本是越新的年份全球气象站点数越多,2024年有12159个,早些年份的气象站点较少。有一点需要注意,对于缺失经纬度信息的站点,Excel中进行保留,其经纬度信息为空值。Shp中则将缺失经纬度信息的站点进行了删除。所以存在Excel和Shp中站点数量不一致的情况,例如2024年Shp中的站点个数为12121,Excel中的站点数量为12159。

03 数据获取

如有数据需求,欢迎点击下方名片链接,关注我们并咨询获取~

相关文章:

  • vLLM专题(二):安装-CPU
  • Retrofit+OkHttp+ViewModel
  • Go入门之语言变量 常量介绍
  • MongoDB 7 分片副本集升级方案详解(上)
  • CentOS 8 配置bond
  • C# 入门简介
  • Flutter 中的数据跨层传递方案
  • Qt之线程的创建与启动
  • 【JAVA工程师从0开始学AI】,第四步:闭包与高阶函数——用Python的“魔法函数“重构Java思维
  • 深入理解同步与异步I/O:从原理到实战
  • vue 判断字符串开头是http或者https
  • 2025-2-17算法打卡
  • 使用神经网络对驾驶数据进行道路类型分类
  • 《RCooper: 一个真实世界的大规模道路边协同感知数据集》学习笔记
  • C#异步/多线程编程中Task对象强大的功能介绍。
  • 三、tsp学习笔记——屏幕移植
  • UDP与TCP
  • Qt——连接MySQL数据库之ODBC的方法详细总结(各版本大同小异,看这一篇就够了)
  • Python常见面试题的详解10
  • STM32 串口转 虚拟串口---实现USB转串口功能
  • 复旦大学艺术馆开馆:以当代视角再看文科文脉
  • 发射后失联,印度地球观测卫星发射任务宣告失败
  • 三方合作会否受政局变化影响?“中日韩+”智库合作论坛在沪举行
  • 俄外长与美国务卿通电话,讨论俄美接触等问题
  • 中国新闻发言人论坛在京举行,郭嘉昆:让中国声音抢占第一落点
  • 新版城市规划体检评估解读:把城市安全韧性摆在更加突出位置